【技术实现步骤摘要】
基于子波形关系抽取的心博划分方法及系统
[0001]本公开涉及心电信号处理
，具体涉及一种基于子波形关系抽取的心博划分方法及系统。
技术介绍
[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]随着心电图技术近几十年的广泛应用，其在心血管疾病检查诊断中发挥着不可替代的作用，现阶段12导联心电图是最基本，最常见的心电图采集方式。
[0004]机器学习与深度学习的高速迭代，带动了包括心电降噪、特征提取以及心电分类等心电辅助诊断算法的发展。但是现有大多工作都集中于整体片段分类，但是心搏是心脏活动的一个周期，因此每个心搏都应存在各自类型，且在时间为24h以上的动态心电场景中，对于精确定位等明显有着较大的限制。
[0005]而现阶段针对单心搏的分类方法，仅以QRS波群为基准作出判断，或是以QRS为中心，向前寻找p波且向后寻找t波，在正常心电图中不存在问题，而在重度房室传导阻滞，p波未下传等情况中，p波或起搏钉无对应的QRS波，需要单独分类；此外，不同子波形的组...
【技术保护点】
【技术特征摘要】
1.基于子波形关系抽取的心博划分方法，其特征在于，包括：获取12导联心电数据张量与标注数据进行预处理后得到心电信号和心搏划分标签矩阵；将心电信号输入深度学习网络获取对位特征，将所述对位特征添加心电序列位置编码，获取新的对位特征；通过标注数据中子波形的波形类型生成子波形特征提取矩阵，将子波形特征提取矩阵与新的对位特征进行结合并进行维度变化排序后，获取基于子波形的特征张量；将基于子波形的特征张量提取子波形时序特征再利用矩阵乘法生成子波形关系矩阵，以子波形为单位进行划分获取最终心搏划分结果，判断子波形所属心搏。2.如权利要求1所述的基于子波形关系抽取的心博划分方法，其特征在于，所述12导联心电数据张量为12导联心电数据存储为[12,wave_len]的张量特征，其中特征的值为电压；所述标注数据包含12导联心电数据波形的子波形类型与位置标注，以及每个子波形所属的心搏集合，属于同一心搏的子波形在同一心搏集合中。3.如权利要求1所述的基于子波形关系抽取的心博划分方法，其特征在于，所述预处理的方法为：使用滤波处理滤除带外噪声，利用标注数据生成训练标签功能的心搏划分标签矩阵；对12导联数据随机添加噪声干扰，包括随机导联替换，随机导联替换为噪声，随机置0导联。4.如权利要求1所述的基于子波形关系抽取的心博划分方法，其特征在于，所述对位特征提取的方法步骤为：将心电信号输入深度学习网络进行特征提取，首先通过多尺度卷积来获取不同感知野的心电特征，并横向拼接得到第一对位特征，将第一对位特征通过多层SE网络，以对各通道之间权重关系建模，得到第二对位特征，最后将第二对位特征输入双向循环神经网络中，获取前后时序关系，接一层前后维度不变的多层感知机来泛化特征，得到最终的对位特征。5.如权利要求1所述的基于子波形关系抽取的心博划分方法，其特征在于，所述添加心电序列位置编码的步骤为：在波形中增加波形后顺序的影响，为特征向量每一维加入心电位置嵌入。6.如权利要求1所述的基于子波形关系抽取的心博划分方法，其特...
【专利技术属性】
技术研发人员：高希余，张瀚中，吴军，张伯政，王玉杰，房志文，
申请(专利权)人：众阳健康科技集团有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。